oppih retweeted
看過《邊緣世界》的人就知道,這大概就是 The Jackpot 之前世界各地局部性的「小頭獎 Mini-Jackpot」。
小説中的人類依然麻木,直到無法挽回。
科幻小說真他媽的比預言家或神棍準確一百倍。
美國銀行大當機、聯航停擺、178 站JavaScript遭駭,到底發生了什麼事 toui.io/GbFfWO
oppih retweeted
还是要提醒大家,换季时容易出现心脑血管意外。遇到突发胸痛切勿自行前往医院,立刻拨打 120,如果自己在家同时把门打开,可以叫物业上门协助,大城市物业都有 AED 。有阿司匹林的话嚼碎吞服一个成人剂量(300毫克),等救护人员上门。不要吃速效救心丸或者硝酸甘油这类药,特别是后者,容易造成血压下降反而恶化病情。响马老师命硬,能再活 100 年没问题 🤣
This quoted post is unavailable.
这 #是feature不是bug 吗
This quoted post is unavailable.
此事在疑犯追踪中亦有记载🤔
Anthropic 发了篇研究,预测小模型可能再过几个月,就有能力在不依赖数据中心的情况下自主复制。
他们真的买了 15 台每台 55 美元的山寨 Android 电视盒子,拼起来跑了一个 26B 的模型,速度只有每秒 0.39 个 token,慢得令人发指。
另一组隔离实验里,GLM-5.2 已经能完成简化环境中的跨设备传播。虽然距离现实中的完整自主复制还有明显差距,但按照 Anthropic 的预测,2026 年底小模型就可能接近这个能力门槛。
全世界都在抢 GPU,花几千亿美元建数据中心,结果 AI 自己可能跑去寄生在你家的电视盒子上了。
但仔细想想,真正可怕的地方是,这种 AI 可能彻底打破我们熟悉的算力经济学。
今天不管是 OpenAI 还是一家 AI 创业公司,每生成一个 token 都有成本,算力贵了就得涨价,融资断了就得停机。
但一种能够自主传播的恶意 AI,理论上可以把自己的边际运行成本持续转嫁给陌生人。
它不需要获得用户,不需要考虑收入,甚至不需要自己购买服务器。找到一台存在漏洞的设备,就多了一点免费的计算资源。被感染的设备替它交电费、提供带宽、承担硬件损耗。
而清理这些东西的成本,却要由无数设备所有者、运营商和制造商分别承担。
传统僵尸网络早就能偷算力了,但 AI 带来了一个新的麻烦。过去黑客需要针对特定设备写攻击和部署程序,未来模型可能自己研究陌生硬件,解决环境问题,甚至把失败经验传给下一代。
攻击者的扩张成本越来越低,整个社会的防御成本却可能越来越高。
所以我觉得,这项研究最值得警惕的甚至还不是 AI 失控这种宏大叙事。
如果未来真的出现这种东西,我们可能第一次要面对一批没有商业模式、没有任何合法用户、也找不到明确运营主体,却能够长期存活的软件。
它们没有盈利的压力,也没有停止运行的经济动机。
人类研究了这么多年,想让 AI 帮我们赚钱,最后可能先实现财务自由的是 AI 自己。
而且花的还是我们的钱。
oppih retweeted
如果你跟我一样,手里有一台有雷电接口的NAS(Linux主机),然后手里有Mac——想要把这个雷电接口利用起来(特别是如果你还有雷电显示器,一线连),作为一个局域网有线两万兆网卡——这速度太爽了。这篇文章以及相关的驱动程序项目就是我这几天蹬AI的成果。可以给你节约不少钱。
此事在阿西莫夫的机器人帝国中已有记载🤨
如果 AI 真的找到了治愈癌症的方法,但全世界没有一个人能解释它为什么有效,我们还要不要用?
陶哲轩昨天在加州理工的 Math 2.0 演讲里,提出了一个很有意思的思想实验。
假设某个超级 AI 接到任务,要找到一种能通过三期临床试验的癌症疗法。经过大量计算,它设计出一种人类从未见过的化学药物组合。数学预测经过 Lean 形式化验证,最终药物也真的通过了三期临床。
但问题在于,没有任何人知道 AI 究竟是怎么找到它的。
陶哲轩问,在把这种药物注射进身体之前,你会不会希望至少有一个人类专家理解它的治疗机制?
有人对此提出反驳,如果药物真的有效,绝大多数癌症四期患者根本不会在乎有没有人理解它的原理。
我觉得这个反驳挺有力量的。
人类医学史上,本来就存在大量先发现疗效、后来才逐渐理解机制的药物。对于一个生命已经进入倒计时的人来说,能不能活下来显然比一套漂亮的理论解释重要得多。
但陶哲轩真正提出的问题,我觉得也不能这么轻易跳过。
Lean 可以验证数学推导,却无法保证数学模型完整描述了现实。三期临床可以提供很强的疗效证据,也无法排除所有长期风险。
我们过去一直默认,人类有能力理解、审查和验证自己创造的知识。但未来 AI 很可能会持续产出超出人类理解能力的成果,而且这些成果确实有效。
到那个时候,如果坚持必须先理解才能使用,我们可能会放弃真正有价值的发现。如果只看结果,又该如何防止 AI 利用验证体系本身的漏洞?
我个人倾向于接受前一种风险更小的路径,允许人类使用尚未理解的成果,同时建立足够独立、严格的实证验证体系。
毕竟,理解一种东西为什么有效,和确认它真的有效,本来就是两种不同的能力。






















